基于模糊理論的譜聚類算法研究與應(yīng)用.pdf

1、譜聚類是近幾年研究得比較多、應(yīng)用逐漸廣泛的一種聚類分析算法。譜聚類算法建立在譜圖理論基礎(chǔ)上，與傳統(tǒng)的聚類算法相比，它具有能在任意形狀的樣本空間上聚類且收斂于全局最優(yōu)解的優(yōu)點(diǎn)。譜聚類算法還利用特征向量構(gòu)造簡化的數(shù)據(jù)空間，在降低數(shù)據(jù)維數(shù)的同時，使得數(shù)據(jù)在子空間中的分布結(jié)構(gòu)更加明顯。
　　 本文首先詳細(xì)的介紹了譜聚類算法及其分類，分析了譜聚類算法面臨的挑戰(zhàn)以及存在的問題，總結(jié)性地提出了幾個有價值的研究方向。接著簡單的介紹了譜圖理論，然

2、后根據(jù)圖劃分準(zhǔn)則對譜聚類算法進(jìn)行分類，著重闡述了各類中的典型算法，并對算法進(jìn)行了比較分析；以模糊理論概念為前提，分析其在聚類中的應(yīng)用；討論了幾種常用的有效性評價的方法，并對各種方法做了分析。
　　 本文隨后提出的自適應(yīng)半監(jiān)督模糊譜聚類算法，利用半監(jiān)督機(jī)器學(xué)習(xí)技術(shù)、自適應(yīng)聚類算法和FKCM，解決算法中存在的聚類數(shù)目需要事先確定、易陷入局部最優(yōu)、收斂速度緩慢、對孤立點(diǎn)敏感等缺陷。實(shí)驗(yàn)證明該算法聚類效果很好。
　　 最后，本文